[发明专利]一种基于多尺度局部特征嵌入的点云分类方法

权利要求书

1.一种基于多尺度局部特征嵌入的点云分类方法，其特征在于，该方法包括以下步骤：

步骤1：对原始点云按照预先构造的几何特征进行特征提取，获得原始点云相关特征提取数据；

步骤2：将原始点云相关特征提取数据按照设置的邻域尺度经不同邻域特征计算后连接形成用以表示三维点云几何形状的多尺度特征向量；

步骤3：将多尺度特征向量进行不同特征维度空间嵌入，获取经过空间嵌入的多尺度特征向量；

步骤4：将经过空间嵌入的多尺度特征向量作为输入经分类器得到点云分类结果。

2.根据权利要求1所述的一种基于多尺度局部特征嵌入的点云分类方法，其特征在于，所述步骤1中的几何特征包括本地密度、全方差、各向异性、特征熵、局部曲率、特征值之和、几何中心、线性、平面度、散布、高度均值、高度差、法线向量和垂直度。

3.根据权利要求1所述的一种基于多尺度局部特征嵌入的点云分类方法，其特征在于，所述步骤2中的邻域尺度为10～30。

4.根据权利要求1所述的一种基于多尺度局部特征嵌入的点云分类方法，其特征在于，所述步骤3具体包括：通过局部保持投影方法进行不同特征维度空间嵌入，获取经过空间嵌入的多尺度特征向量。

5.根据权利要求4所述的一种基于多尺度局部特征嵌入的点云分类方法，其特征在于，所述局部保持投影方法包括以下分步骤：

步骤01：定义目标函数；

步骤02：最小化目标函数以进行降维操作；

步骤03：设置用于防止过拟合的限制约束条件；

步骤04：结合限制约束条件得到最终目标函数；

步骤05：求解最终目标函数得到用于不同特征维度空间嵌入的转化矩阵。

6.根据权利要求5所述的一种基于多尺度局部特征嵌入的点云分类方法，其特征在于，所述步骤01中的目标函数，其描述公式为：

式中，y_i和y_j表示为降维后的不同的两个点，W_ij表示权重矩阵。

7.根据权利要求6所述的一种基于多尺度局部特征嵌入的点云分类方法，其特征在于，所述权重矩阵，其描述公式为：

式中，x_i和x_j表示为降维前对应的不同的两个点，σ表示高斯核函数的标准偏差。

8.根据权利要求5所述的一种基于多尺度局部特征嵌入的点云分类方法，其特征在于，所述步骤03中的限制约束条件，其描述公式为：

a^TXDX^Ta＝1

式中，a表示线性投影，X表示投影矩阵。